主分类：大模型与生成式算法研发
辅助：Agent系统开发（仅展示）
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "大模型应用算法（医疗方向）-小荷健康",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"location": "北京",
"work_mode": "未披露",AI生成
"job_category": "算法"AI生成
},
"company": {
"company_name": "字节跳动",
"company_industry": "互联网 / 数字内容 / 电商",
"company_size": "10000人以上",
"company_website": "bytedance.com",
"company_description": "字节跳动提供内容创作、信息分发、电商和协作产品，旗下产品包括抖音、今日头条、TikTok和飞书。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "硕士学位及以上",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1、医学多模态能力提升，如患处图片、报告图片理解和解读，结合用户描述症状，给出精准判断和建议；\n2、工具调用能力提升，优化医疗场景工具调用/Agentic能力，结合专业知识库、记忆系统进行深度循证诊疗；\n3、医学科学性优化，通过细粒度Rubrics等方式，提升训练数据质量，持续优化模型的医学能力；\n4、体验优化与数据飞轮，优化多轮对话体验，解决线上负面案例，提升线上留存等指标；持续挖掘模型负面案例，形成数据飞轮；\n5、合版策略优化，通过SFT、RL、MOPD等策略进行合版，持续探索更优的合版方式。",
"requirements_text": "1、硕士学位及以上，计算机相关专业，博士学位优先；\n2、熟悉大模型数据合成和Post-Training训练，有大模型SFT、RL、OPD等训练经验；\n3、有大模型业务落地经验/Agent训练和业务落地经验者优先；\n4、有NeurIPS/ICML/ICLR等会发表论文者优先。",
"skills": [AI生成
"大语言模型"
],
"preferred_qualifications": "1、硕士学位及以上，计算机相关专业，博士学位优先；3、有大模型业务落地经验/Agent训练和业务落地经验者优先；4、有NeurIPS/ICML/ICLR等会发表论文者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/experienced/position/7652551830547417397/detail"
}
]
},
"posting": {
"posting_id": "7652551830547417397",
"post_date": "2026-06-18",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/experienced/position/7652551830547417397/detail"
},
"fulltext": "大模型应用算法（医疗方向）-小荷健康\n职位描述\n1、医学多模态能力提升，如患处图片、报告图片理解和解读，结合用户描述症状，给出精准判断和建议；\n2、工具调用能力提升，优化医疗场景工具调用/Agentic能力，结合专业知识库、记忆系统进行深度循证诊疗；\n3、医学科学性优化，通过细粒度Rubrics等方式，提升训练数据质量，持续优化模型的医学能力；\n4、体验优化与数据飞轮，优化多轮对话体验，解决线上负面案例，提升线上留存等指标；持续挖掘模型负面案例，形成数据飞轮；\n5、合版策略优化，通过SFT、RL、MOPD等策略进行合版，持续探索更优的合版方式。\n\n职位要求\n1、硕士学位及以上，计算机相关专业，博士学位优先；\n2、熟悉大模型数据合成和Post-Training训练，有大模型SFT、RL、OPD等训练经验；\n3、有大模型业务落地经验/Agent训练和业务落地经验者优先；\n4、有NeurIPS/ICML/ICLR等会发表论文者优先。\n1、医学多模态能力提升，如患处图片、报告图片理解和解读，结合用户描述症状，给出精准判断和建议；\n2、工具调用能力提升，优化医疗场景工具调用/Agentic能力，结合专业知识库、记忆系统进行深度循证诊疗；\n3、医学科学性优化，通过细粒度Rubrics等方式，提升训练数据质量，持续优化模型的医学能力；\n4、体验优化与数据飞轮，优化多轮对话体验，解决线上负面案例，提升线上留存等指标；持续挖掘模型负面案例，形成数据飞轮；\n5、合版策略优化，通过SFT、RL、MOPD等策略进行合版，持续探索更优的合版方式。\n1、硕士学位及以上，计算机相关专业，博士学位优先；\n2、熟悉大模型数据合成和Post-Training训练，有大模型SFT、RL、OPD等训练经验；\n3、有大模型业务落地经验/Agent训练和业务落地经验者优先；\n4、有NeurIPS/ICML/ICLR等会发表论文者优先。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [
"T009"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}